雷达目标恒虚警检测算法研究

目标检测是雷达领域中一项重要的研究课题.在实际系统中,由于应用环境的不同,需要选取合适的检测算法.对几种恒虚警检测算法进行研究,给出各A的实现方法和数学表达式,对它们的性能进行了对比分析,指出了每种方法的优缺点,对实际应用有较大的指导作用.     

SAR图像舰船目标双阈值快速CFAR检测算法

针对舰船检测的高效性现实需求,本文提出了改进的舰船目标CFAR检测算法。在全局阈值的基础上,利用第一虚警率检测出超过全局阈值的像素点,将超过全局阈值的像素点视作疑似目标点,将低于全局阈值的像素点视作杂波点。在局部窗口检测过程中,引入筛选机制,设置第二虚警率,将背景窗口中的疑似像素目标剔除得到最终的检测结果。该算法计算量少,并且改善了多目标环境下的检测性能,消除了泄露到背景窗口中的目标像素对杂波统计特性的影响。仿真结果表明算法的有效性。     

基于红外成像的舰船目标实时检测跟踪方法研究

提出一种基于红外成像的舰船目标实时检测与跟踪方法,首先通过图像增强提高信噪比,增强目标轮廓清晰度;接着对红外图像中的水天线进行检测,确定目标所在的候选区域,在候选区域内完成目标的定位检测;最后通过波门跟踪算法对序列图像中的舰船目标进行跟踪。实验结果表明该方法具有较好的准确性和实时性。     

基于FCM与PMHT的红外目标跟踪与检测算法研究

为了对复杂海天背景下红外弱小目标实现稳定、有效的跟踪,文中在参考和改进传统PMHT跟踪算法的基础上,提出了基于FCM和改进PMHT算法的红外弱小多目标跟踪算法。与传统PMHT跟踪算法不同之处在于：这里结合红外弱小目标的位置、灰度、像素面积、航迹等特征参数,在PMHT算法中融入基于特征参数的模糊聚类思想,即在PM-HT算法中,通过模糊聚类来调整系统噪声方差,经过不断修正系统运动模型,从而在整体上完成了对于数据关联的寻优以及对于运动目标模型的在线辨识。     

基于光学遥感图像的船舶目标检测技术研究

首先分析基于光学遥感图像的船舶目标检测流程,然后利用Top-Hat算法进行目标图像增强,并设计检测系统结构元尺寸自适应选择算法,以此来克服光学遥感图像的不均匀性和局部背景的粗糙性。最后进行不同海况的船舶目标检测试验。试验结果表明,本文算法虽然在实现过程中较阈值分割算法要复杂,但其适用范围更广,并且能够有效提高复杂海况下船舶目标检测的准确率。     

雷达模拟器的目标运动数据算法研究

建立了雷达模拟器海战场态势中的本舰与目标相对运动数据算法模型,并按时间流程存储在对应的数据表中,同时还根据相对运动关系解算出各目标信号的强度,从而信号源将产生相应强度的信号注入雷达模拟台。通过模型仿真软件在雷达训练模拟器中的功能测试,实现了雷达模拟器的仿真效果,满足了雷达模拟训练的要求。     

基于数据挖掘的船舶异常行为检测研究

通过对船舶异常行为检测,提高对船舶的实时监测和模式识别能力,提出一种基于数据挖掘的船舶异常行为检测方法。采用并行分列式数据架构模型构建船舶行为特征分布数据库,提取数据库中的关联规则特征量,采用自相关匹配滤波检测方法进行船舶异常行为特征点的提取,实现船舶异常工况下的行为特征数据挖掘,实现船舶异常行为检测优化。仿真结果表明,采用该方法进行船舶异常行为检测的准确概率较高,数据挖掘的分类性较好,虚警较低,在船舶异常监测和状态分析中具有很好的应用价值。     

基于哈希算法的图像拷贝检测

在局部保持投影算法（LPP）及最大熵模型的基础上提出了一种基于哈希算法的图像拷贝检测算法。该算法通过对LPP进行优化,可以对已有的图像特征进行快速降维处理,并避免过拟合现象的出现。同时,将低维度特征映射为紧凑的二进制哈希码,大大减少了存储和计算开销,能在千万级图像数据库上实现高效拷贝检测。通过实验确定了使拷贝检测质量最优的哈希码长度和汉明码。实验结果表明,该算法能够获得很好的拷贝检测效果。     

基于质心提取的红外图像小目标检测

低信噪比条件下小目标检测技术的研究是红外信息处理中的关键性问题。由于小目标通常属于高频成分,又易于与噪声混杂在一起,更加增加了检测的难度。文章提出了一种基于质心提取的方法对红外小目标进行检测,在对图像不进行滤波的情况下找到目标可能的质心点集合。对这些置信度高的质心点集合进行分类,以确定各个目标的质心以及目标的个数。最后以确定的目标质心点搜索目标边缘,找出其边界并计算出目标的特征参数。该检测方法对噪声也有一定的抑制作用。     

虚拟现实技术舰船高速航行图像目标检测算法

针对常规算法所得检测结果的中心位置偏差较大,导致检测精度低下的问题,提出虚拟现实技术舰船高速航行图像目标检测算法研究。参考人眼的视觉习惯,将采集到的图像灰度化处理,利用均值滤波法抑制噪声,改善图像质量,利用虚拟现实技术,计算目标点三维坐标值,定位图像目标,提取特征确定检测区域,调整融合系数,增强抗干扰能力,实现舰船高速航行图像目标检测。设计对照实验,与常规算法对比分析,实验结果表明,所提出的算法检测结果中心位置偏差明显减小,其检测精度远优于常规算法。     

基于PF-DC的多传感器目标跟踪算法

针对传统的粒子滤波(PF)的多传感器目标跟踪算法存在计算量过大的问题,研究了一种基于PF和数据压缩(PF-DC)的多传感器目标跟踪算法.仿真结果表明,与传统的串行多传感器PF算法相比较,该算法可以极大的降低算法的计算量,从而有效地提高算法的实时性.     

基于YOLOv3的船舶目标检测算法

为提高船舶目标智能检测的精度和实时性,提出一种基于YOLOv3算法的船舶目标检测方法,可用于视频图像的监测与跟踪。参照PASCAL VOC数据集格式,构建船舶目标检测数据集,采用k-means聚类先验框、mixup、标签平滑化等方法对算法进行改进和优化,在GPU(Graphic Processing Unit)云服务器中完成算法模型的训练和检测,并与FasterR-CNN、SSD(Single Shot MultiBox Detector)、原始YOLOv3等算法进行模型性能的试验对比。试验结果表明:改进的算法明显优于其他算法,其在测试集上的平均精度均值(mean Average Precision,mAP)和检测速度分别达到89.90%和30每秒检测帧数(Frames Per Second,FPS)。     

基于声学理论的被动声纳探测水下目标仿真

文章给出了海洋水文要素与声速的关系,在分析了相关海域的水文条件基础上,基于声线理论和声纳方程,建立了被动声纳对水下目标探测的数学模型。针对不同的声速剖面,进行了仿真实验,并对结果进行了详细的研究。     

基于一种改进粒子滤波算法的目标跟踪研究

为了解决非线性、非高斯系统目标跟踪问题,研究了一种新的滤波方法——高斯粒子滤波算法。通过基于重要性采样和蒙特卡罗模拟方法得到一高斯分布来近似未知状态变量的后验分布。并讨论了此算法在机动目标非线性转弯运动中的跟踪应用,与粒子滤波算法相比,其优点是不需要重采样步骤。在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器和扩展卡尔曼滤波器在滤波精度、运算时间等方面的差异,仿真结果表明该算法性能优于其他算法。     

基于目标拓扑参照图的雷达航迹抗差关联方法

针对雷达系统偏差影响下数据关联容易错误的问题,提出一种基于目标拓扑参照图的数据抗差关联新方法,该方法首先将目标进行聚类减少关联复杂度,再对聚类目标拓扑参照图经过平移、旋转和尺度等变换进行关联匹配,达到目标关联一致性的目的。仿真结果表明了该方法具有较高的关联精度和鲁棒性。     

一种改进的分数阶Fourier变换目标检测算法

传统的信号检测和噪声分离方法只限于在时域或是频域进行,如果信号和背景噪声有很强的时频耦合,就难于在时频域得到好的检测结果。对此提出了分数阶Fourier变换检测算法做出改进,新的算法具有解除时频耦合和抑制噪声的特性,当选择合适的旋转角度使之与处理信号相匹配,就可以在分数阶Fourier域获得较好的检测结果。仿真实验中利用改进的分数阶Fourier变换算法对运动目标进行检测,结果表明新的分数阶Fourier算法的检测性能优于原分数阶Fourier变换。     

基于遗传BP算法的神经网络目标分类器的研究

首先阐述了水下目标识别的研究发展和系统组成,然后提出了一种基于遗传BP算法训练神经网络目标分类器的新方法。实验结果表明采用新方法的神经网络分类器比采用改进BP算法的神经网络分类器具有更优的分类效果。     

基于分级聚类和近邻函数准则的目标分群算法

文章依据分级聚类的方法和近邻函数准则算法的原理,提出了基于分级聚类和近邻函数准则的目标分群算法,对于攻击目标编队的分群具有重要意义。